导语
内容提要
本书是面向零基础读者的统计学入门书,对同一个知识点分别使用文字、公式和Python示例代码加以讲解,循序渐进地介绍了统计学和Python的基础知识、使用Python进行统计分析的方法、正态线性模型和广义线性模型等统计模型,以及机器学习等。通过阅读本书,读者不仅可以通过书中例子深刻理解统计学术语、统计分析方法和预测方法等,还可以学到十分前沿的机器学习知识,以及如何使用Python实现数据可视化和建模等。
本书结构清晰、直观易懂,适合统计学和Python初学者以及对数据科学和机器学习感兴趣的读者使用,也可作为高等院校计算机、统计等专业学生的入门书。
目录
第1章 统计学基础
1-1 统计学
1-1-1 统计学的目标①:描述现有数据
1-1-2 统计学的目标②:估计未知数据
1-1-3 术语 样本与总体
1-1-4 1-2 节及之后的内容
1-2 获取样本的过程
1-2-1 术语 随机变量
1-2-2 湖中钓鱼的例子
1-2-3 从总体中获取样本的过程
1-2-4 术语 样本值
1-2-5 术语 抽样
1-2-6 术语 简单随机抽样
1-2-7 术语 样本容量
1-2-8 术语 普查与抽样调查
1-3 抽样过程的抽象描述
1-3-1 符号 概率
1-3-2 术语 概率分布
1-3-3 术语 服从概率分布
1-3-4 术语 总体分布
1-3-5 作为抽样过程的总体分布
1-3-6 无限总体的含义与总体分布
1-3-7 总结:抽样过程
1-3-8 补充 瓮模型
1-4 描述统计基础
1-4-1 术语 定量变量
1-4-2 术语 离散变量与连续变量
1-4-3 术语 分类变量
1-4-4 术语 组、组中值
1-4-5 术语 频数、频数分布、频率
1-4-6 术语 累积频数、累积频率
1-4-7 术语 直方图
1-4-8 术语 统计量
1-4-9 术语 均值
1-4-10 术语 期望值
1-4-11 术语 方差
1-4-12 补充 均值、方差与数据范围
1-5 总体分布的推断
1-5-1 总体分布与总体的频率分布
1-5-2 更现实一些的湖中钓鱼
1-5-3 做假设
1-6 概率质量函数与概率密度函数
1-6-1 术语 概率质量函数
1-6-2 术语 概率密度
1-6-3 补充 积分与加法的关系
1-6-4 术语 概率密度函数
1-6-5 术语 正态分布
1-6-6 术语 参数(概率分布的参数)
1-6-7 补充 各种各样的概率分布
1-6-8 推断总体分布=确定分布+估计参数
1-6-9 把样本的统计量看作参数的估计值
1-6-10 补充 估计误差
1-6-11 总结:统计学基础
1-7 统计量的计算
1-7-1 为什么要使用数学式
1-7-2 符号 样本
1-7-3 符号 均值
1-7-4 符号 期望值
1-7-5 术语 总体均值与样本均值
1-7-6 符号 样本方差
1-7-7 术语 无偏方差
1-7-8 为什么样本方差会偏离
1-7-9 术语 标准差
1-8 概率论基础
1-8-1 术语 集合
1-8-2 术语 元素
1-8-3 集合的两种表示方法
1-8-4 术语 子集
1-8-5 术语 维恩图
1-8-6 术语 交集与并集
1-8-7 术语 差集
1-8-8 术语 空集
……
第2章 Python与 Jupyter Notebook基础
第3章 使用Python进行数据分析
第4章 统计模型基础
第5章 正态线性模型
第6章 广义线性模型
第7章 统计学与机器学习
参考文献